本文将以华为P10手机新品上市过程为分析对象，做一个完整的数据分析case。阐述在大数据时代，文本数据分析如何应用在商业场景中，为运营、产品带来变革。

 

在新产品上市前，或者是小规模投放市场后，在媒体上对粉丝和潜在用户的言论进行收集，对其进行文本分析，知道他们喜欢产品的哪些方面，对哪些方面不太满意，以及他们对产品的其他期望，从而敏捷、快速、准确制定营销策略，最后对已购买产品的用户反馈做出积极的回应。如图所示：

 

通过基于大数据的文本分析，企业可以用正确的方式阅读用户散落在网络上的“声音”，企业可以直接读懂自己用户的想法，挖掘出用户对于产品、服务的情感和观点。

 

一、产品预热期媒体和粉丝总体反馈

华为P10手机2月26日首发，本文采集数据时间段为2月10到2月26日，在产品发售前，通过媒体和粉丝对产品的舆论走势和热门话题，分析潜在用户对产品的期望和吐槽点。

 

1、媒体和粉丝总体情感反馈

图片来源：微图

从情感分布可以看出，该产品好评率为63.85%，负面评论仅为4.42%，31.72%的媒体和网络评论是呈观望态度，对产品有所期待。

 

2、整体舆论观点和热门文章

图片来源：百度指数

上图中产品发布前媒体主要与竞品小米的M6进行比较，产品功能方面主要是指纹、显示、三颗莱卡镜头、钻雕工艺、时尚配色、价格等因素作为热点进行评论。评论内容偏正向。

 

二、潜在用户画像

本文通过百度指数，分析2-3月搜索华为P10相关词语的用户特征，分析主动搜索该产品的用户（潜在用户）关注点在哪里，地域分布，年龄分布，性别分布，为潜在用户进行画像。

 

1、潜在用户关注点

下图中红色代表搜索指数变化率上升，绿色代表下降。靠近中心词代表与之关联性越高。 

图片来源：百度指数

该图反映潜在用户在产品发布前的关注点，主要包括华为商城推广、价格期望，同类高端产品mate9和荣耀v9测评等关注点。随着发布会到来，潜在用户对价格的关注度上升。

 

2、潜在用户地域分布

本文主要从区域、省、城市分三个层级进行分析。发现华东、华中地区对产品的关注度高，与发布会现场为上海，以及运营前期在该地域线下预热活动和媒体投放有一定关系。

省份：

图片来源：百度指数

区域：

图片来源：百度指数

针对上述关注度高的城市，在投放广告或活动时，可以重点考虑这些地域。

 

3、潜在用户年龄分布

图片来源：微图

 

4、潜在用户性别分布

图片来源：百度指数

华为p10发布会预热活动主要在江浙珠江三角洲地区，发布会地点位于上海，主办方在二三线城市媒体及线下进行了前期预热宣传活动。潜在用户主要是年龄在30-39岁之间的男性，主要关注点在与上代产品p9的功能差异、与同类高端产品mate9和荣耀v9全方位测评对比，以及价格及发布日期。

 

依据本文前两部分分析可知，华为P10发布前，通过媒体发布产品信息，收集大量媒体和粉丝评论，可见总体情感呈正向趋势，大部分人群看好该产品卖点功能，再此基础上分析潜在购买人群特征。之后对产品感兴趣的人进行精准营销，分析各投放渠道的用户特点，进行重点渠道、活动、广告投放。

 

三、用户评论信息分析

产品上市后，通过采集电商用户评论数据，获取用户反馈。

本文使用八爪鱼采集京东平台华为p10手机用户评论数据，共计3055条，运用微图文本分析工具，从以下4个方面，即用户情感分析、用户反馈趋势分析、用户聚焦点分析、用户典型意见分析，进行文本分析。

 

1、用户评论情感分析

用户评论情感分析包括用户评价和情绪分析，二者存在一定的正相关关系，也就是说，用户评价较高，相应的情绪偏正面，反正亦然。

 

1）用户评价分析

本文对评论数据评星情况进行分组，按1-5颗星进行数量分组。

图片来源：微图

从上图可知，超过95.43%的用户对于产品性能是非常满意的，给出了5颗星的评价；次之4颗星评价占到2.56%的比重，以上二者比重之和超过97.99%，可知总体市场反馈非常不错。

 

2）用户总体情绪倾向分析

图片来源：微图

上图是用户对于产品总体情感的反映，根据用户对华为P10文字评论进行情绪倾向分析得出的，能反映消费者对于该手机总体态度是肯定还是否定。即负面情绪、正面情绪，其中暗含用户态度就是---对产品不满意和产品很不错。

 

2、用户反馈趋势分析

通过追踪每天用户的正、负面评论数量，分析引起异常波动的原因。 及时采取应对策略。

 图片来源：微图

假设销量与评论数量成正比，产品整体销量也呈上升趋势。用户整体评论量呈上升趋势。上图中正面评论总体呈上升走势。正面评论在6月15到6月30日达到高峰期，与京东6.18大促活动有一定关联性。

负面评论基本保持稳定，在4月30日左右出现异常波动，对于这个异常点，可以调出对于该日期范围内的销售记录、商品维护日志等资料找出原因，而用户评论内容主要为“疏油层”手机屏幕容易脏，“闪存门”等关键词。应及时反馈给产品部门用户具体评论细节，验证是存在相应问题，还是个别现象。防范大规模舆论事件爆发。在6月18日左右出现负面波动，6.18活动销量增多，负面评论相应增加，同时受活动期间物流配送慢等因素影响，属正常波动。

 

3、用户聚焦点分析

关键词作为一个对文本常用的概括，通过给出每个词语相应的权重，总结文本语境中最要的词语。其中文字大小代表该词的权重（重要程度和词频）。

 

1）整体用户关注焦点

 

图片来源：微图

从上图关键词可见，按语义进行划分包括品牌词、产品功能词、程度词三大类。品牌词语：华为、京东品牌词。 产品功能词：外观、内存、指纹、摄像头等。程度词：很好、问题、挺好等程度词。从图中词的大小可以看出用户对产品功能、华为品牌、京东服务基本满意，但存在一定问题。

 

2）追评用户关注焦点

图片来源：微图

从上图关键词可见，产品功能词：系统、电池、屏幕。程度词：不错、很好、正品。反映用户实际使用一段时间产品后，对系统、性能、屏幕等功能很满意。

 

3）KOL用户关注焦点

图片来源：微图

从上图关键词可见，产品功能词：系统、电池、屏幕、做工、指纹。程度词：吐槽、清晰、新颖、流畅、惊喜、卡顿、灵敏。KOL用户对产品功能评价更加细致。虽然卡顿这个关键词反馈不多，但仍要引起高度警惕，具体排查是产品本身的设计问题，还是极个别的产品质量问题，并将此反馈传递给相关负责部门。

 

4、用户典型意见分析

大数据文本分析中的“典型意见”是指，将用户的意见进行单据级别的语义聚合，将内涵相近但表述有差异的意见/看法聚合在一起，抽取出其中典型的用户意见，在短时间内迅速梳理出用户对于产品所关注的话题。

 

1）整体用户典型意见

本文使用微图文本分析工具，对购买华为P10用户的主要观点进行分析。

图片来源：微图

可知用户的整体反馈不错，主要体现在外观设计、颜色、指纹锁、照相功能、系统等方面。而耗电量快是敏感问题，需要引起重视。

 

2）追评用户典型意见

在电商文本评论中，一般会出现用户使用一段时间后进行追评的情况，这些评论内容往往是针对产品实际使用过程的意见。我们从中可以获取用户更真实的反馈。

 

图片来源：微图

用户使用过一段时间后，对手机的整体性能评价高，其中对手机系统自带软件表示满意。

 

3）KOL用户典型意见

上面是全体用户总体观点表达，但在很多时候，我们想要知道哪些用户的“发声”在这些评论中更具代表性。从中发掘出有“话语权重”较大的“意见领袖”。本文采用京东plus用户（资深网络消费用户）代表KOL用户。

图片来源：微图

上图可知，“领袖”总体情感倾向正面，更关注产品细节问题。例如产品工艺与苹果7进行比较，双摄像头拍照清晰，指纹解锁灵敏。但与苹果7系统对比，在系统流畅度上有更高的体验要求。

 

4）负面评论典型意见

表示所有负面评论中，用户的主要观点。

图片来源：微图

从上图可知，用户的负面观点主要是对内存、电池、屏幕等方面不满意。在性价比上与苹果进行对比，具体负面观点表现为显示饱和度、分辨率、对焦等问题。除了上文对京东送货速度快的评论外，对手机周边产品手机膜搭配购价格也有不满意之处。

 

 

从上面的实例中，我们可以体会到大数据文本分析对于产品、设计、营销和运营各个环节的巨大价值，用正确的方式分析这些海量的文本数据，就可以直接读懂用户的想法，获得强有力的决策支持，从而使产品研发、营销推广和日常运营更贴近消费者需求，最终把产品送达需要的人群。

 

参考资料：百度指数

 

关注八爪鱼官网或微信公众号，更多干货等你来。